跳到主要内容Skip to main content
Agent 框架与编排生产可用

Mem0

mem0ai / mem0

给 agent 加长期记忆层:抽取、存储、检索用户偏好与事实,支持向量/图存储后端。

69.2k stars 8235 forks Python 语言 Apache-2.0 许可 最近推送 2026-11-18

为什么选

  • 把“记住什么”和“怎么检索”拆成独立层,不用在每个 agent 里重写。
  • 支持多种向量库与图存储,适合从原型迁到生产。
  • 有托管版与开源版,可先本地跑再决定是否上云。

不适合

只是单轮问答、没有跨会话记忆需求,不必加一层。
把记忆当事实数据库;它需要抽取、去重与过期策略。

最小上手

  1. 按 README 跑最小 add / search 示例,先用内存或本地向量库。
  2. 换一段真实对话,观察抽取出的事实与用户偏好。
  3. 再加过期/删除策略,验证旧记忆不会污染新会话。

依赖与成本

Python 3.9+;最小示例可本地跑;生产要配向量库(Qdrant / pgvector 等)与 LLM API。

许可与使用边界

代码 Apache-2.0;托管版的数据条款与开源版不同,商用前分别核对。

开源不等于可商用:GPL / AGPL 有传染性;代码许可、模型许可、生成内容许可要分开看。上线前读仓库 LICENSE 与模型卡,必要时让法务确认。

替代与相邻

  • Zep — 生产可用,面向 agent 的记忆服务:会话摘要、事实抽取、图记忆与检索,提供社区版和云服务。
  • LangGraph — 生产可用,把 agent 写成有状态图:节点、边、检查点、人工确认与回滚都能显式表达。
  • RAGFlow — 先试这个,带文档解析、切分、检索与引用的 RAG 平台,适合把一套知识库跑起来。

下一步

  • 打开 GitHub,先读 README、LICENSE、最近 release 与 issue。
  • 按“部署依赖 / 显存 / 数据 / 网络 / 权限”列一张上手清单。
  • 用一个小样本跑通,再决定是否进生产;不要直接上生产数据。

GitHub 仓库 ↗ 文档 ↗ 加入对比

快照口径:stars / forks / language / license / pushed_at 来自 GitHub API 2026-11-19 快照;之后的变化没有回写。标签与“适合 / 不适合”是编辑判断,不是 GitHub 元数据。
不背书:本站只做索引与风险提示,不审计代码、不保证安全、不替你做许可判断。仓库脚本与模型权重请自行审查。